分布估计算法及其应用

分布估计算法是在遗传算法基础上形成和发展起来的一类基于概率模型的智能优化算法。算法通过建立概率模型描述变量之间的相关关系，可以解决传统遗传算法中交叉和变异算子存在的积木块被破坏的问题；比遗传算法具有更好的解决非线性、高维复杂问题的能力；同时比传统的遗传算法具有更高的理论基础和进化导向性。正是由于分布估计算法的这些优势，使其成为了当今国际进化计算领域的研究热点。《分布估计算法及其应用》首先对贝叶斯网络、高斯网络、马尔科夫网络等概率图模型进行了分析，然后对遗传算法的基本原理、运算流程和理论基础进行了总结，针对遗传算子在求解复杂问题时存在的积木块破坏问题，提出了改进方向。《分布估计算法及其应用》详细分析了分布估计算法的进化机制、运算框架以及发展历程，归纳了基于不同概率模型的分布估计算法，阐述了不同算法的应用范围，并对算法的收敛性进行了简要分析。随后《分布估计算法及其应用》总结了分布估计算法进行改进的基本策略，提出了几种改进算法，算例验证了改进算法的有效性。在算法应用方面，《分布估计算法及其应用》介绍了分布估计算法在制造单元设计和机器人路径规划等方面的应用。《分布估计算法及其应用》还在基于概率模型的智能优化算法框架下简要介绍了蚁群算法和交叉熵算法。最后，《分布估计算法及其应用》在附录中提供了PBIL算法的MATLAB源程序以及分布估计算法MATLAB工具箱MATEDA的使用简介。